从一维张量中提取前k个值的索引。

只需遍历张量并运行比较即可：

require 'torch'

data = torch.Tensor({1,2,3,4,505,6,7,8,9,10,11,12})
idx  = 1
max  = data[1]

for i=1,data:size()[1] do
   if data[i]>max then
      max=data[i]
      idx=i
   end
end

print(idx,max)

--EDIT-- 回复您的编辑：使用torch.max操作，该操作在此处有文档记录：https://github.com/torch/torch7/blob/master/doc/maths.md#torchmaxresval-resind-x-dim ...

y，i = torch.max（x，1）返回x中每列（跨行）的最大元素以及相应的索引张量i

截至 pull request #496，现在 Torch 包括了一个内置 API，名为 torch.topk。例如：

> t = torch.Tensor{9, 1, 8, 2, 7, 3, 6, 4, 5}

-- 获取 3 个最小的元素
> res = t:topk(3)
> print(res)
 1
 2
 3
[torch.DoubleTensor of size 3]

-- 除此之外，你还可以同时获取索引
> res, ind = t:topk(3)
> print(ind)
 2
 4
 6
[torch.LongTensor of size 3]

-- 或者你也可以获取 k 个最大的元素，方法如下
-- （具体详情请看 API 文档）
> res = t:topk(3, true)
> print(res)
 9
 8
 7
[torch.DoubleTensor of size 3]

目前的 CPU 实现采用了一个排序和筛选的方法（未来计划进行改进）。 话虽如此，目前也正在 审核 一个专门针对 cutorch 优化的 GPU 实现。

你可以使用topk函数。

例如：

import torch

t = torch.tensor([5.7, 1.4, 9.5, 1.6, 6.1, 4.3])

values,indices = t.topk(2)

print(values)
print(indices)

结果如下：

tensor([9.5000, 6.1000])
tensor([2, 4])